考研专业课843遥感概论是什么？——权威备考指南

考研专业课843遥感概论是什么？——课程定位与考试本质

考研专业课843遥感概论是部分高校（如武汉大学、中国科学院大学、长安大学等）地理学、测绘科学与技术、地图学与地理信息系统、资源与环境等专业硕士研究生入学考试的专业课科目之一。其考试代码通常为843，因此被考生简称为“843遥感概论”。

该课程并非独立学科，而是遥感技术相关专业的基础理论课程在考研命题中的体现形式。它以《遥感概论》为框架，系统覆盖遥感技术的物理基础、系统构成、数据获取、处理流程、图像解译与应用拓展等核心模块，强调考生对遥感技术体系的完整认知与实际问题解决能力的结合。

根据近年真题分析，843遥感概论的命题逻辑具有鲜明的“三重三轻”特征：
• 重原理轻记忆：不考死记硬背的定义，而侧重对物理机制（如电磁波与地物相互作用）的理解
• 重系统轻孤立：要求能串联传感器→数据→处理→应用全链条逻辑
• 重应用轻纯理论：常以案例分析形式考查遥感在农业、环境、城市等场景的适配性选择

以武汉大学2023年真题为例，一道15分的论述题为：“结合遥感技术发展现状，论述多源遥感数据融合在城市热岛效应研究中的优势与技术路径”。该题不仅考查数据融合概念，更要求考生能说明MODIS与Landsat数据互补性、空间尺度匹配方法、融合后热岛指数计算流程等具体实践环节。

因此，843遥感概论的本质是考察考生能否以系统思维构建遥感知识网络，并具备将理论迁移至实际科研/工程场景的能力。备考中若仅罗列知识点而忽视逻辑关联，极易在论述题与案例分析题中失分严重。

核心内容体系：从基础原理到前沿应用

电磁波与遥感基础

遥感系统构成

数据处理流程

典型应用领域

电磁波与地物相互作用机制

遥感的本质是探测地物对电磁波的反射、发射、吸收与散射特性。根据普朗克辐射定律与基尔霍夫定律，任何温度高于绝对零度的物体都会发射电磁波，其辐射强度与波长分布由物体温度与发射率共同决定。

在遥感中，主要关注以下波段：
• 可见光波段（0.38–0.76μm）：依赖太阳辐射，反映地物颜色与光谱反射率差异
• 红外波段（0.76–1000μm）：含近红外（0.76–3μm）、中红外（3–6μm）、热红外（8–14μm）等子波段
• 微波波段（1mm–1m）：可主动发射并接收回波，实现全天时、全天候观测

关键物理过程包括：
① 反射率光谱特征：绿色植被在0.55μm处反射率峰值（绿峰），0.65μm吸收（红谷），近红外陡坡（植被红边）；水体在近红外强吸收导致低反射；土壤反射率随含水量增加而降低
② 大气窗口：大气对电磁波的吸收与散射存在特定透射窗口（如0.3–1.3μm、1.5–1.8μm、2.0–2.5μm、3–5μm、8–9μm、10–12μm），遥感传感器设计需匹配这些窗口
③ 辐射传输方程：L_s = τ[ρL_g + (1-ρ)L_v] + L_v，其中τ为大气透射率，ρ为地表反射率，L_g为大气路径辐射，L_v为大气上行辐射

年某高校真题：“简述植被红边位置与叶绿素含量的定量关系，并说明其在作物长势监测中的应用价值”。正确答案需包含：红边位置（0.705–0.740μm）随叶绿素含量增加向长波方向移动；可通过计算红边指数（如NDRE = (ρ_NIR
- ρ_RedEdge)/(ρ_NIR + ρ_RedEdge)）反演叶绿素浓度，进而评估作物营养状况。

遥感平台与传感器类型

遥感系统由平台（Platform）、传感器（Sensor）和数据处理系统三部分构成。平台决定观测覆盖能力，传感器决定数据质量与适用场景。

传感器类型与特性：
• 光学传感器：Landsat OLI（9波段）、Sentinel-2 MSI（13波段，含60m蓝波段）
• 热红外传感器：Landsat TIRS（2波段，100m）、MODIS（5波段热红外）
• 微波传感器：

- 主动式：Sentinel-1 SAR（C波段，55–70°入射角）、RADARSAT-2

- 被动式：AMSR-E（微波辐射计，6–89GHz）

年真题案例：“某地连续阴雨导致光学卫星无法成像，如何利用微波遥感监测洪涝范围？”
参考答案要点：
① 选用Sentinel-1 GRD数据（L1级，单极化HH）
② 处理流程：辐射校正→地形校正→多时相差异检测（ΔNDWI = NDWI_t2
- NDWI_t1）
③ 水体在SAR图像中呈暗色（低后向散射），需结合DEM排除山体阴影干扰
④ 可计算水域面积变化率：ΔA = (A_t2
- A_t1)/Δt

遥感数据处理全流程

从原始数据到可用信息产品需经过严格处理链，任一环节误差将导致结果失真。

处理流程与关键技术：
① 辐射定标：将DN值转换为辐射亮度（L_λ）或反射率（ρ_λ）
公式：ρ_λ = π·L_λ·d² / (ESUN_λ·cosθ)
其中d为日地距离，θ为太阳天顶角，ESUN为大气层顶太阳辐照度
② 大气校正：常用FLAASH、6S模型消除大气影响
③ 几何校正：基于GCP（地面控制点）进行多项式纠正，或直接利用POS数据进行正射校正
④ 图像配准：多源/多时相数据需亚像素级对齐（互相关法、SIFT特征匹配）
⑤ 图像增强：对比度拉伸、直方图均衡化、主成分变换（PCA）、缨帽变换（K-T）
⑥ 分类与信息提取：监督分类（最大似然、SVM）、非监督分类（ISODATA）、面向对象分类（eCognition）

典型真题：“某考生用Landsat 8 OLI数据进行土地覆盖分类，发现农田与裸地混淆率高，请分析原因并提出改进方案”
答案要点：
① 原因：裸地与农田在可见光-近红外波段反射率曲线相似（均呈高反射），NDVI阈值难以区分
② 解决方案：

- 引入热红外波段计算NDTI（归一化热红外指数）：NDTI = (B10
- B11)/(B10 + B11)，农田蒸腾作用强导致地表温度更低

- 增加时间维度：多时相数据中农田有明显生长季动态变化

- 融合Sentinel-2红边波段（B5/B6/B7）计算NDRE，提升植被生理参数反演精度

遥感应用领域深度拓展

1. 环境监测
• 大气：利用MODIS AOD产品（MCD19A2）反演PM2.5浓度，建立经验模型：PM2.5 = a·AOD + b
• 水体：用Sentinel-2计算NDWI = (ρ_NIR
- ρ_Green)/(ρ_NIR + ρ_Green) 监测湖泊萎缩
• 地表：通过LST（地表温度）反演热岛强度，公式：LST = [T_B/(1 + (λ·T_B/c2)·lnε)
- c1/(2λ)]

2. 农业应用
• 作物长势监测：计算EVI = 2.5×(ρ_NIR
- ρ_Red)/((ρ_NIR + 6×ρ_Red
- 7.5×ρ_Blue + 1))
• 产量预测：结合物候期与NDVI累积值建立回归模型：Y = α + β₁ΣNDVI + β₂T + β₃P
• 灾害评估：利用SAR数据后向散射系数变化识别干旱（土壤湿度↓→σ↑）

3. 城市规划
• 扩张监测：通过城市建成区指数（UBI = (ρ_Red
- ρ_NIR)/(ρ_Red + ρ_NIR) + (ρ_SWIR
- ρ_Green)/(ρ_SWIR + ρ_Green)）提取建筑区
• 热岛研究：计算LST与NDVI的散点图拟合曲线，识别热岛核心区（LST>35℃且NDVI<0.2）
• 基础设施监测：InSAR技术监测地面沉降，形变速率精度可达mm/年

4. 灾害应急
• 地震：利用ASTER DEM提取断层线，结合InSAR形变场确定破裂带
• 洪水：SAR影像中水体呈均匀暗色，结合DEM构建淹没范围
• 林火：MODIS MCD64A1火点产品实时监测，结合VIIRS热异常数据确认火场边界

考试重点解析：近5年真题规律与得分技巧

选择题高频考点

大气窗口波段（必考1-2题）
植被光谱特征拐点位置（红谷0.68μm、红边0.705μm）
传感器类型与平台匹配（如MODIS搭载于Terra/Aqua卫星）
辐射校正公式参数含义（ESUN、d、θ）
分类算法适用场景（SVM适合小样本、最大似然需高斯分布）

填空题核心知识点

Landsat系列卫星发射年份（Landsat 1:1972；Landsat 8:2013）
Sentinel-2的重访周期（5天，双星组网）
NDWI计算公式中的波段组合（NIR-Green）
缨帽变换第一主成分（亮度分量）
热红外波段中心波长（10.4μm）

论述题答题框架

现象描述：明确问题背景（如“城市热岛效应加剧”）
技术路径：选择合适数据源（Sentinel-2+Landsat 8融合）
处理步骤：辐射校正→大气校正→LST反演→空间分析
创新点：引入夜间灯光数据修正温度-人口密度关系
验证方法：与地面气象站数据对比（R²>0.7为可靠）

年真题分布统计

基于12所高校843遥感概论真题分析：
• 基础原理类：占比35%（电磁波、辐射传输、光谱特征）
• 系统构成类：占比25%（平台、传感器、数据格式）
• 处理技术类：占比20%（校正、分类、变化检测）
• 应用分析类：占比20%（案例设计、误差分析、创新应用）

特别注意：2024年新增“遥感伦理与数据安全”考点，如《遥感数据安全管理规定》中明确禁止未经许可的高分辨率影像境外传输，考试中可能出现相关判断题。

备考资源推荐：科学配置复习资料

权威教材

真题资料

在线工具

核心教材清单

《遥感概论》（第三版）——李小文等著（科学出版社）
→ 考试大纲主要依据，覆盖全部基础理论，第4章电磁波与大气、第6章遥感图像特征、第8章遥感图像处理为重中之重
《遥感原理与应用》（第四版）——孙家抆主编（武汉大学出版社）
→ 实践性强，第5章辐射校正、第7章图像分类算法详解透彻
《遥感图像处理》——王润生等著（高等教育出版社）
→ 专攻图像处理技术，InSAR、高光谱分类等前沿内容需拓展阅读
《GIS与遥感集成》——陈峰著（科学出版社）
→ 应对“GIS+RS”融合类题目，近年真题出现频率上升

真题分析工具包

近5年真题汇编（含参考答案）
→ 重点标注“重复考点”：如Landsat传感器波段配置连续5年考查
→ 分析“冷门题”：2023年考到“缨帽变换系数矩阵”，需补充学习
高校命题组公开讲座视频
→ 武汉大学《遥感概论》慕课（中国大学MOOC平台）
→ 中科院《遥感技术导论》期末试卷解析
真题错题本模板
→ 按“概念混淆”“公式误用”“案例迁移失败”三类归因
→ 示例：误将NDWI公式写成(NIR-SWIR)/(NIR+SWIR)→应为(NIR-Green)

实用在线工具

Google Earth Engine
→ 在线运行遥感代码（JavaScript/Python），快速验证算法
→ 示例脚本：计算2000-2020年长三角NDVI趋势
USGS EarthExplorer
→ 下载Landsat/Sentinel原始数据，练习预处理流程
→ 技巧：使用“Cloud Score”筛选低云量影像
ENVI试用版
→ 通过官网申请教育版，熟悉主流处理软件操作
→ 重点练习：辐射校正→大气校正→分类→精度评估全流程
遥感术语词典APP
→ 支持中英互查，如“红边”→Red Edge
→ 内置“易混淆概念辨析”模块：辐射亮度vs地表反射率

复习计划建议

第一阶段（6-8月）：基础构建
• 精读教材3遍，标注公式推导过程
• 整理光谱特征对照表（植被/水体/土壤/雪）
• 完成5套真题基础题（选择+填空）

第二阶段（9-11月）：能力提升
• 专项突破论述题：按“技术路径-案例分析-创新点”三段式训练
• 开展遥感小项目：如用Sentinel-2数据监测校园热环境
• 组建复习小组：模拟答辩，互相提问高频考点

第三阶段（12月）：冲刺强化
• 整理错题本，重点复盘3次以上错误点
• 背诵核心公式（辐射传输、NDWI、NDVI等）
• 仿真模拟考试：严格限时，训练答题节奏

高频问题解答：网友最关心的10个问题

遥感概论和631地理信息系统的考试范围有何区别？

核心差异：843聚焦遥感技术本身（数据获取→处理→应用），631侧重GIS系统（空间数据管理→分析→可视化）。例如：
• 843必考：辐射校正公式、光谱特征分析、SAR成像原理
• 631必考：拓扑关系、空间分析算法（缓冲区/叠置）、数据库设计
• 共同考点：遥感与GIS集成应用（如InSAR-GIS灾害评估）

非遥感专业考生如何快速入门？

三步速成法：
① 通读《遥感概论》第1、4、6、8章（占真题60%分值）
② 重点掌握5大指数公式：NDVI、EVI、NDWI、NDMI、NDRE
③ 精练5道典型论述题（如“多源遥感数据融合在环境监测中的应用”）
→ 实测案例：某环境工程考生备考3个月，专业课132分

如何理解“辐射亮度”与“地表反射率”的物理意义差异？

本质区别：
• 辐射亮度（L_λ）：传感器接收的电磁波能量，单位W/m²·sr·μm，受大气、太阳角度、地表粗糙度等多因素影响
• 地表反射率（ρ_λ）：地物固有光学属性，剔除大气影响后的纯反射特性
关键联系：ρ_λ = π·L_λ·d² / (ESUN_λ·cosθ) → 该公式是大气校正的理论基础

Sentinel-2与Landsat 8数据如何互补使用？

优势组合方案：
• 空间分辨率：Sentinel-2（10/20/60m） + Landsat 8（30m）→ 通过超分辨率融合提升至10m
• 时间分辨率：Sentinel-2（5天） + Landsat 8（16天）→ 实现7天连续观测
• 波段互补：Sentinel-2的红边波段（B5/B6/B7）弥补Landsat 8缺失
→ 典型应用：农作物长势监测中，用Sentinel-2 NDRE + Landsat 8热红外反演作物水分胁迫指数

遥感影像分类中如何处理“同物异谱”与“同谱异物”问题？

解决方案：
• 同物异谱（同一地物不同光谱）→ 增加时相数据：利用生长季动态变化特征
• 同谱异物（不同地物相似光谱）→ 融合辅助数据：

- 纹理特征：GLCM计算对比度/相关性

- 形状特征：面向对象分割后提取形状指数

- 高程数据：SRTM DEM辅助区分山地/平原地物

年考试趋势预测：新增哪些考点？

三大方向：
① AI+遥感：Transformer模型在影像分类中的应用（如SegFormer）
② 高光谱遥感：CASI/SASI传感器波段数（>200）与数据立方体处理
③ 遥感伦理：《遥感数据安全管理规定》第12条（禁止境外传输0.5m分辨率影像）

如何高效记忆遥感传感器的波段配置？

口诀记忆法：
“蓝绿黄红近热微，L8九波段要记清：
①蓝②绿③红④近⑤红边⑥红边⑦红边⑧短热⑨短热”
→ 对应Landsat 8 OLI波段：
B1=蓝(0.45μm), B2=绿(0.56μm), B3=红(0.65μm), B4=NIR(0.86μm), B5-7=红边(0.86-2.3μm), B8=PAN(15m), B9=CIRRUS(1.38μm), B10-11=TIRS(热红外)

无人机遥感与卫星遥感在灾害应急中的优劣对比？

对比矩阵：
| 维度 | 无人机 | 卫星遥感 | |

|

--|

-| | 响应速度 | 分钟级起飞 | 12-72小时重访 | | 空间分辨率 | 1-10cm | 15-30m | | 覆盖范围 | <100km² | 全球覆盖 | | 环境限制 | 无云无雨 | 微波 SAR 可穿透云雨 | | 成本 | 500-5000元/架次 | 免费数据（Landsat/Sentinel） | → 应急策略：无人机快速获取灾情，卫星宏观评估影响范围

遥感技术如何支持“双碳”目标？

三大贡献：
① 碳汇监测：用Sentinel-2计算NDVI，结合BEPS模型反演GPP（总初级生产力）
② 碳排放核查：夜间灯光数据（DMSP/OLS）与能源消耗建立回归模型
③ 森林碳储量：激光雷达（GEDI）反演生物量： Biomass = a·LAI^b·H^c

考试中常见公式错误及修正方案？

高频错误TOP3：
① NDWI公式误写为(NIR-SWIR)/(NIR+SWIR) → 正确应为(NIR-Green)/(NIR+Green)
② 忽略大气校正直接计算LST → 导致温度偏差达5-10℃
③ 未进行几何校正直接做变化检测 → 像素错位导致误判
修正口诀：“一核二校三提取，四验五分六分析”

概念对	核心区别	典型错误
辐射亮度 vs 地表反射率	前者含大气影响，后者为地物固有属性	直接用DN值计算LST
监督分类 vs 非监督分类	前者需训练样本，后者自动聚类	用ISODATA算法需指定类别数
SAR主动遥感 vs 光学被动遥感	SAR可全天时工作，光学依赖太阳光照	阴天使用Landsat 8监测洪水

考研专业课843遥感概论是什么？——系统化备考指南